生成过程模型的模型生成系统的制作方法
【专利说明】
[0001] 本申请是于2007年4月13日提交的申请号为200710098116. 3、标题为"生成过 程模型的方法"的专利申请的分案申请。
技术领域
[0002] 本公开总地涉及过程控制系统，尤其涉及用于高级控制例程的过程模型开发，比 如用在过程控制系统中的模型预测及神经网络控制例程的过程模型开发。
【背景技术】
[0003] 过程控制系统-如用于化学、石油或其它过程的分布式过程控制系统或可定标 过程控制系统-典型地包括一个过程控制器或多个过程控制器，过程控制器通过模拟总 线、数字总线或模拟/数字混合总线彼此通信相连，通信连接至最少一个主机或操作员工 作站及一个或更多现场设备。现场设备可能是阀、阀定位器、开关及变送器（例如温度传感 器、压力传感器及流率传感器），它们在过程中发挥功能，如开启或关闭阀及测量过程参数。 过程控制器接收显示现场设备所作的过程测量及/或其它与现场设备有关的信息的信号、 并使用这些信息来实施控制例程，然后产生控制信号并通过总线传送至现场设备，以控制 过程的操作。来自现场设备及控制器的信息典型地用于由操作工作站执行的一项或多项应 用，以使操作员能履行任何涉及过程的、需要的功能，比如检视过程的目前情况、修改过程 操作、等等。
[0004] 在过去，传统现场设备的用途是：通过一条模拟总线或多条模拟线、将模拟（如 4-20mA)信号发送至过程控制器和从过程控制器接收模拟（如4-20mA)信号。这些4-20mA 信号本质上是有限信号，这是由于它们表示设备进行的测量、或表示由控制器产生的需要 控制设备操作的控制信号。然而，最近，包括微处理器及内存的智能现场设备在过程控制行 业已经很普遍。除了在过程中履行一项基本功能外，智能现场设备存储与设备有关的数据、 以数字格式或数字及模拟混合格式与控制器及/或其它设备进行通信，以及履行多项次要 任务，如自校准、识别、诊断、等等。许多标准及公开的智能设备通信协议，如HART? (可寻 址远程传感器高速通道）协议、PROFIBUS# (过程现场总线）协议、WORLDFHy6 (工 厂仪表世界协议）、Deviee-Netl4 (设备网）协议及CAN(控制器局域网络）协议已经被开 发，以便使不同生产商制造的智能现场设备可以在同一过程控制网络内一起使用。
[0005] 此外，过程控制行业内已经采取了分散过程控制功能的行动。例如Fieldbus Foundation (现场总线基金会）公布的、被称为FOUNDATION? Fieldbus (基金会现场总线） (下文中简称Fieldbus)协议的全数字、双线总线协议，利用位于不同现场设备的功能块来 执行过去是在一个集中式控制器内执行的控制操作。明确地说，每个Fieldbus现场设备都 能包含及执行一个或更多功能块，而每个功能块都从其它功能块（在同一设备内或在不同 设备内）接收输入及/或向其它功能块提供输出，而且每个功能块都执行一些过程控制操 作，例如测量或检测过程参数、控制设备或执行控制操作，如执行比例积分微分（PID)控制 例程。同一过程控制系统内的不同功能块的配置使它们可以与每一功能块通信（例如：通 过总线），以形成一个或更多过程控制回路，其个别操作散布于过程的全部，因此其过程控 制功能是分散的。
[0006] 过程控制器典型地被编程：为过程定义的、或包含于过程内的多个不同回路（例 如：流率控制回路、温度控制回路、压力控制回路、等等）的每一回路执行不同算法、子例程 或控制回路（这些都是控制例程）。一般而言，这些控制回路中的每种控制回路都包括一个 或更多诸如模拟输入（Al)功能块之类的输入块、诸如比例积分微分（PID)控制功能块或模 糊逻辑控制功能块之类的单输出控制块，和诸如模拟输出（AO)功能块的单输出块。这些控 制回路典型地执行单输入单输出控制，因为控制块生成一个单输出，用于控制一个单过程 输入，如阀位置等等。然而，在某些情况下，使用多个独立操作的单输入单输出控制回路并 不是很有效；这是由于被控制的过程变量受到超过一个单过程输入的影响，而且每一过程 输入事实上可能影响许多过程输出的状态。在这些情况下，使用单输入单输出控制回路可 能造成过程输出振荡而一直不能达到稳态条件-这是不合要求的。
[0007] 模型预测控制（MPC)或其它类型的高级控制在过去曾在这类情况下被用于执行 控制。一般而言，模型预测控制是一个多输入多输出控制策略，其测量改变多个过程输入中 的每一过程输入对多个过程输出中的每一过程输出产生的效果，而这些所测量的响应接着 被用于建立过程模型。过程的模型被数学求逆，然后被用于多输入多输出控制器内，并基于 对过程输入的改变控制过程输出。在有些情况下，过程模型包括或开发自每一过程输入的 一条过程输出响应曲线，这些曲线例如可以基于一系列被传送到每一过程输入的伪随机阶 跃变化而创建。这些响应曲线可以以已知方式用于对该过程建模。模型预测控制在所属技 术领域广为人知，因此，对其细节，本文将不作描述。然而，模型预测控制在Qin，S. Joe及 Thomas A. Badgwell于1996年美国化学工程师学会大会（AIChE Conference)发表的"An Overview of Industrial Model Predictive Control Technology"（工业模型预测控制 技术综述）中被一般地描述。
[0008] 此外，诸如MPC控制例程之类的高级控制例程的生成和使用已经被结合到过程 设备的控制器构建过程中。例如：Wojsznis等人拥有的、标题为"Integrated Advanced Control Blocks in Process Control Systems"（过程控制系统中的综合高级控制块）的 美国6, 445, 963号专利（其公开在此通过引用明确地被并入本专利）公开一种使用在配置 过程设备时从过程设备采集的数据产生诸如高级控制器（例如MPC控制器或神经网络控制 器）的高级控制块的方法。更特别的是，美国6, 445, 963号专利公开一种配置系统，这种配 置系统使用一种特定的控制范例（如Fieldbus范例）、以一种与其它控制块的创建及下载 结合的方式、在过程控制系统内创建高级多输入多输出控制块。在这个实例中，通过创建拥 有分别连接到过程输出及输入的期望输入及输出的控制块来启动高级控制块，用于控制过 程。控制块包括数据采集例程及与数据采集例程相关的波形发生器，而且控制块可能有未 调谐或未开发的控制逻辑-因为这个逻辑缺少调谐参数、矩阵系数或其它需要实施的控制 参数。控制块置于过程控制系统内，其所定义的输入及输出在控制系统内通信连接，两者的 连接方式为：如果高级控制块被用于控制过程，则这些输入及输出将被连接。接着，在测试 程序中，控制块使用特别为开发过程模型而设计的波形发生器生成的波形、系统地通过控 制块输出干扰每一过程输入。然后，通过控制块输入，控制块对有关每一过程输出对传送到 每一过程输入的每一生成波形的响应的数据采集进行协调。这个数据可能被送到历史数据 库以进行储存。在为每对过程输入/输出采集足够数据后，通过利用例如任何已知的或需 要的模型生成例程，运行过程建模程序，其中根据采集的数据产生一个或更多过程模型。作 为这个模型确定例程的一部分，模型参数确定例程开发将用于控制过程的控制逻辑所需要 的模型参数，例如，矩阵系数、死区时间、增益、时间常数、等等。控制逻辑参数及（如果需 要）过程模型接着被下载到控制块，以完成高级控制块的构成，所以，高级控制块与其中的 模型参数及/或过程模型可以用于控制过程。
[0009] 虽然这种在同一过程设备中生成和下载过程控制器的技术颇为有用，但是这种技 术的缺点是，它严重依赖模型创建软件在测试阶段根据过程设备采集的数据来创建或生成 过程模型的能力。其实，开发过程模型是例如实行MPC的最重要阶段，而且，对于大部分阶 段来说，模型的品质限定了应用的成功。因此，创建及验证所生成的用于高级控制块的过程 模型，是非常重要的。
[0010] 一般而言，过程模型创建软件可以生成不同类别的模型，包括诸如有限冲激响应 (FIR)模型的非参数模型及诸如带外部输入的自回归（ARX)模型的参数模型。虽然FIR模 型创建例程一般能产生FIR模型，但由于定义模型所需要的内存大小和模型开发所需要的 计算次数，FIR模型在MPC中一般都存在缺点。虽然ARX模型及其它参数模型定义模型需 要较少内存而且需要较少计算次数，但有许多情况是参数模型创建软件完全不能生成参数 模型的，这是因为该软件不能收敛于模型参数的一个解。明确地说，依赖自回归算法的模型 生成技术，例如最小二乘法，就难于收敛于一个解。在这种情况下，所识别的模型参数在数 学上可能准确，但不代表实际参数。由于ARX模型及其它参数模型典型地不能生成过程死 区时间的准确估计值，它们更易产生这些问题，因而导致不能生成模型或导致参数在数字 上无效的模型。
[0011] 无论上述哪种情况，模型创建软件不能产生参数模型都会引起问题，控制设计者 因而必须采取人工步骤以确定妥善或适当的参数模型，以供使用。在过去，例如，为使参数 模型创建软件能收敛于一组模型参数，用户将更多数据添加到用于创建模型的过程数据， 试图指定较高级的多种参数，例如死区时间或一个或多个时间常数，或者改变用于创建过 程数据的过程干扰信号中的阶跃大小。不幸的是，这些步骤对于使参数模型的模型参数的 收敛而言，功效不是很好或不一致。此外，采取人工步骤来改变模型创建环境需要控制设计 者具备涉及控制过程的专门知识和经验，及适当的分析工具，来确定适当模型。在很多情况 下，欠缺一个或全部这些要素，会致使控制设计者选择类别不同的控制器格式。
[0012] 当根据数据实际创建模型时，可以执行过程模型审查和验证，以检查过程模型的 精确性及准确显示控制器必需的鲁棒性。例如，如果模型显示与过程严重失配，控制器应更 为鲁棒。一个典型的模型识别程序涉及执行模型预测的定性验证、核实及编辑模型参数、执 行统计模型验证、以及执行模型仿真。明确地说，在执行模型预测的定性验证步骤时，仿真 软件应用真实过程输入数据作为过程模型输入，并为已知数据集绘制其过程真实输出对预 测输出的曲线图。
[0013] 在核实步骤时，基于对过程的所知，用户对过程模型的个别阶跃响应执行视觉检 查，例如图形检查，以核实这些阶跃响应位于预期范围内。使用户能执行数字及图形阶跃响 应设计及编辑的知名工具让用户按照（1)过程知识、（2)通过观察测量趋势及仿真搜集的 信息、及（3)获得的过程模型，对模型进行修正。
[0014] 接着在统计模型验证阶段，使用统计技术对模型不确定性进行定量。这些统计技 术可能包括计算实际输出和预测输出之间的验证误差，如均方根值（RMS)等。对于不合格 模型，平均平方误差相当高（例如：每扫描2. 4%)。一个凭经验的方法可能是，如果平均输 出误差超过每扫描1 %，应详细检查相关阶跃响应的更多细节。另一可供使用的统计技术是 验证误差或残差的相关性分析，这项分析探究残差的自相关性及/或残差及过程输入之间 的互相关性。此外，过程模型及残差的频率传递函数可以计算，而频域中的不确定界可以用 于显不所考虑频率范围的t旲型的品质。
[0015] 以所开发的模型参数为基础的一个定义模型品质的有用方式使用模型置信区间 的概念，模型置信区间显示预定概率，通常是95%内的特定模型参数值的范围。也就是说， 置信区间定义模型参数值的范围，其中，可以预测到参数值将落入根据预定概率的置信区 间内。置信区间提供非常重要的、有关模型识别的隐含信息，因为较宽置信区间隐含较不准 确的模型。因此，一般可以接受的是，窄置信区间更合意。另一方面，较宽置信区间意味模 型参数的更好收敛，这是例如在模型阶次与过程复杂性不匹配时、或线性模型被用于显著 非线性的建模过程时所需要的。然而，虽然置信区间帮助用户校验模型，但它们不协助改变 模型以使模型变得更好或更准确。
[0016] 最后，在图形地查看及或许编辑过程模型和过程模型响应之后，使用过程模型的 MPC仿真为用户提供一个过程-过程模型失配的概念。此外，仿真在控制器命令之前提供 "假设性问题"分析。
[0017] 虽然这些技术常用于MPC模型检验，但是它们有内在缺点。明确地说，对预测品质 及所计算的验证误差（RMS值、残差、等等）的目视观测只表明输出预测可能不可信。此外， 显示模型失配的仿真误差没有提供可用于改进模型的信息。同样地，数字及图形阶跃响应 设计及编辑工具只是在拥有专家过程知识时有效用。因此，虽然可以检查阶跃响应以验证 增益参数，但其它对合成控制器有强大影响的重要信息，例如动态、增益大小及时间常数对 用户可能并不显然。一个普遍的误差源头的例子是过程死区时间，这是用户一般并不精确 知晓的一个参数，因此不能在模型设计及编辑过程中被精确地考虑。
[0018] 更进一步地，噪声数据、不充分的过程激发、及数据采集的测试时间太短，已经被 认为是可能产生不符合控制目的的模型的问题。虽然如此，设备条件可能并不许可更好的 测试。此外，统计评估，例如自相关及互